Docente de la carrera Ingeniería Electrónica de la FIUNA finalizó su tesis doctoral en Inteligencia Artificial con la máxima calificación en la Universidad de Granada, España

Escuela Técnica Superior de Ingenierías, Informática y de Telecomunicación (ETSIIT) – Granada – UGR. En esta ocasión, el ahora Doctor Leonardo Jara Barrales, ha presentado la Tesis titulada: “Una actualización del algoritmo de aprendizaje de reglas difusas de Wang y Mendel para problemas con datos masivos en clasificación” , obteniendo la máxima calificación Summa Cum Laude. El trabajo presentado ha sido dirigido por el Prof. Dr. Antonio González Muñoz y el Prof. Dr. Francisco G. Raúl Pérez Rodríguez, del Departamento de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada, España. El tribunal evaluador contó con la participación de prestigiosos docentes internacionales referentes en el ámbito de la Inteligencia Artificial y el Soft Computing, y estuvo conformado de la siguiente manera:

• Presidente: Prof. Dr. Herrera Triguero, Francisco – Ciencias de la Computación e Inteligencia Artificial. España
• Secretario: Prof. Dr. Romero Zaliz, Rocío Celeste – Ciencias de la Computación e Inteligencia Artificial. España
• Vocal: Prof. Dr. Del Jesús Díaz, María José – Informática. España
• Vocal: Prof. Dr. Gámez Granados, Juan Carlos – Dpto. de Ingeniería Electrónica y de Computadores. España
• Vocal: Prof. Dr. Magdalena Layos, Luis – Matemática aplicada a las TIC. España

El principal aporte de esta tesis doctoral reside en la mejora sustancial del rendimiento del algoritmo de aprendizaje basado en reglas difusas denominado de Wang y Mendel (WM), para el análisis de datos masivos en el campo del aprendizaje automático, específicamente en aprendizaje supervisado para clasificación y Big Data. Las innovaciones introducidas en la tesis incluyen:

1. Implementación del Método de Quine McCluskey: Esto minimiza y simplifica la base de reglas difusas, mejorando la interpretabilidad del modelo sin sacrificar precisión.
2. Mejora en la Eficiencia del Proceso de Inferencia: Se logra mediante la incorporación de técnicas de búsqueda eficientes y enfoques aproximados para manejar extensos conjuntos de reglas.
3. Cálculo Eficiente del Peso de las Reglas: Este enfoque calcula el peso de las reglas basándose en su entorno inmediato, reduciendo significativamente el tiempo de construcción de la base de reglas sin afectar la tasa de aciertos.
4. Manejo de Reglas Redundantes: Se presenta un enfoque innovador para mejorar la capacidad de generalización del algoritmo, reduciendo el porcentaje de ejemplos no cubiertos y aumentando la precisión.

Estas contribuciones han demostrado, a través de resultados experimentales y publicaciones en congresos científicos, una mejora significativa en el rendimiento del algoritmo WM, no sólo en términos de tasa de clasificación sino también en interpretabilidad y eficiencia. Como resultado del desarrollo de la Tesis, el Dr. Leonardo Jara Barrales ha logrado la publicación de un (1) artículo en una revista internacional indexada en el primer cuartil (Q1), y dos (2) artículos se encuentran en revisión en revistas que corresponden al primer cuartil(Q1), además de (4) artículos en conferencias internacionales arbitradas e indexadas. Además, el Dr. Leonardo Jara Barrales, estos años estuvo trabajando con el grupo designado en la creación del Énfasis en Ciencias Computacionales de la carrera de Ingeniería Electrónica, así también en la Maestría en Inteligencia Artificial que lanzará la Facultad de Ingeniería. Con este notable logro, la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA) refuerza su compromiso con la formación de capital humano altamente capacitado en investigación, consolidando su posición como un referente en el campo de la inteligencia artificial en el ámbito científico internacional. [gallery type="rectangular" columns="2" link="file" size="medium" ids="59602,59601,59600"]]]>